Анализ поведения пользователей по социальным сетям

Кейс: интернет-магазин товаров для хобби. Как соцсети «съедали» 40% рекламного бюджета впустую

Владелец магазина «ХоббиТайм» обратился к нам с проблемой: после запуска таргетированной рекламы в VK и Telegram трафик на сайт вырос на 120%, но конверсия в покупку упала на 35%. Стандартные отчеты Google Analytics по UTM-меткам показывали, что переходы есть, пользователи находятся на сайте 2–3 минуты — но не покупают. Типичная ситуация, когда поверхностный анализ «количество переходов» вводит в заблуждение. На деле 80% трафика из соцсетей приходило на главную страницу, а не на карточки товаров, и 60% пользователей закрывали сайт в первые 15 секунд. Это классический «пустой трафик», который дает ложное чувство активности.

Установка задачи: как мы готовили систему сбора данных до начала кампании

Первое, что сделала наша команда — пересмотрели схему UTM-разметки. Вместо стандартных ?utm_source=facebook&utm_medium=cpc мы внедрили разметку с уровнем вложенности. Например, ?utm_source=vk&utm_medium=post&utm_campaign=sept2026&utm_content=carousel&utm_term=sketch_kit. Это позволило различать трафик с постов, сторис, каруселей и отдельных креативов. Traffic Monitor здесь стал незаменимым: его фильтр по параметрам utm_content и utm_term работает на порядок быстрее стандартных решений — задержка обработки данных не превышает 30 секунд. Второй шаг — настроили цели: не только «Покупка», но и «Добавление в корзину», «Просмотр 3+ товаров», «Скролл до конца статьи». Это дало слоистую картину поведения, а не плоскую метрику «посетитель/не посетитель».

Проблема: скрытые факторы, которые искажают реальное поведение пользователей

После недели сбора данных мы выявили три критических искажающих фактора. Первый — «эффект превью»: пользователи открывали ссылку, смотрели первый экран и уходили, потому что страница не содержала контента, обещанного в посте. Это не «уход», а несовпадение ожидания и реальности. Второй — кросс-сессионные переходы: человек кликнул по рекламе в соцсети, но из-за долгой загрузки (3.4 секунды) закрыл вкладку, а через час вернулся через прямой заход. UTM-метка терялась, и поведение записывалось как «прямой трафик». Traffic Monitor помог увидеть эту картину через сопоставление временных меток и последовательности сессий. Третий — «ложные клики»: с 02:00 до 05:00 UTC каждую ночь фиксировался всплеск трафика из соцсетей с длительностью сессии 0 секунд. Оказалось, боты проверяли валидность ссылок. Traffic Monitor выявил этот паттерн по аномально низкому показателю «глубина просмотра» (менее 0.3 страницы за сессию) и по идентичным User-Agent.

Решение: как Traffic Monitor и кастомные сценарии дали чистую картину

Мы внедрили три коррекционных сценария в Traffic Monitor.

Динамическая атрибуция по времени: если пользователь перешел по UTM-ссылке, но сессия прервалась через 5–60 секунд без скролла, метка переносится на следующую сессию того же пользователя в течение 24 часов. Это восстановило 34% ранее потерянных конверсий.
Фильтр «нулевых сессий»: сессии с длительностью 0 секунд и глубиной просмотра 0 страниц автоматически помечаются как «боты или прерванные загрузки». Они исключаются из отчетов по поведению, но сохраняются в логах для аудита. После фильтрации «чистый» трафик из соцсетей снизился на 41%, но конверсия поднялась до 4.2% (было 2.9%).
Поведенческие сегменты по соцсетям: для каждой площадки (VK, Telegram, YouTube, TenChat) создали отдельный сегмент с разными весами конверсии. Например, для Telegram установили порог «вовлеченный пользователь» — просмотр 2+ страниц и скролл ниже 40% первого экрана. Для VK — акцент на добавление в корзину без покупки (сигнал интереса). Traffic Monitor позволил задать эти логики через API, без перегенерации данных.

Результат: цифры, которые говорят сами за себя

Через три недели работы системы владелец магазина получил:

+58% к реальной конверсии (с 2.9% до 4.58%) за счет устранения «пустого» трафика и ботов.
Снижение CPA на 34% — рекламный бюджет перестал уходить на бесперспективные показы.
Выявление «спящей» аудитории: 22% пользователей из соцсетей возвращались на сайт через 2–7 дней и совершали покупку. Без анализа поведения в разрезе сессий они числились бы как «неактивные».
Четкая атрибуция: Telegram давал в 2.1 раза больше вовлеченных пользователей, чем VK, хотя по объему трафика VK опережал в 3.3 раза. Это позволило перераспределить бюджет в пользу Telegram.

Экспертные советы: 5 неочевидных моментов, которые редко учитывают

На основе этого и других кейсов я составил список профессиональных тонкостей, которые обычно выпадают из поля зрения даже опытных маркетологов.

Не доверяйте метрике «средняя длительность сессии» для соцсетей. Она может быть высокой из-за простоя вкладки (фоновый режим). Лучше смотреть «активное время» — когда скролл, клики, заполнение форм. В Traffic Monitor есть датчик активности на странице — используйте его.
Проверяйте Time to Interactive (TTI) для каждого источника. Если из соцсетей TTI выше 3 секунд — пользователи уходят до загрузки контента. Мы в кейсе сократили TTI с 3.4 до 1.9 секунд благодаря оптимизации изображений и увидели рост доли вовлеченных сессий на 27%.
Сегментируйте трафик по типу устройства и браузеру. В нашем кейсе 75% трафика из VK шло с мобильных устройств iOS, где часто включен режим «Лимит отслеживания» — UTM-метки не передавались. Traffic Monitor обходит это через постбэк-сервер: если метка не получена, но источник известен по рефереру, он создает прокси-сессию с надписью estimated_vk_ios.
Используйте событийный пиксель, а не только UTM. Ставьте пиксель Traffic Monitor на событие «скролл до 50%» и «клик по ссылке внутри сайта». Это покажет, доходит ли пользователь из соцсети до целевого действия в принципе — до нажатия кнопки «Купить».
Регулярно чистите UTM-метки от дублей. Когда кампаний много, один и тот же user может получить две разные метки за короткий промежуток времени — система запишет две сессии. В Traffic Monitor есть правило дедупликации по IP+User-Agent+временной близости — включите его в настройках.

Заключение: что вы должны сделать прямо сейчас, чтобы не повторять чужих ошибок

Анализ поведения пользователей из социальных сетей — это не про подсчет переходов. Это про выявление истинных паттернов взаимодействия: доходит ли посетитель до смысла, не отвлекается ли, не является ли ботом или просто фоновой вкладкой. Наш опыт с «ХоббиТайм» показал, что даже при стандартной разметке UTM и базовых настройках уходит до 40% бюджета в никуда. Первое — пересмотрите свои UTM-метки на предмет вложенности и уникальности содержания. Второе — настройте в Traffic Monitor фильтры «нулевых сессий» и динамическую атрибуцию. Третье — введите порог вовлеченности для каждой соцсети отдельно. Сделайте это сегодня, и через неделю вы увидите свой реальный трафик — чистый, без ботов и пустых кликов.

Добавлено: 11.05.2026